RankLLM 大模型排名
Rank the LLM · 人来评

RankLLM

同一个模型,两套名次。专家榜是 Artificial Analysis 智能指数和 BenchLM 给的;大众榜是进来的人投出来的。两边差得越远,越值得点开看看。

—评测集 —榜单 —可检索模型 —来源链接 快照 —

两套名次

专家榜给分数,大众榜给票 · 点行看各家原始名次
筛选

大众榜 人来评 · 热度=评价数+一键「我在用」

票是大家投的,和专家榜不是一回事,「落差」那一列就是两边差几位。

专家榜 Artificial Analysis 智能指数 + BenchLM BenchAlign · 两家都测过的排最前

名次区间:左端是最好名次,右端是最差,红点是中位。区间越窄,两家结论越一致。点行展开详情。

用户评价

榜单只说明会做题。用过哪个就写两句,别写「很好用」,写你拿它干了什么、哪一步出的问题。不用注册。

一条 350 字,最多 3 个标签,可以匿名。评价数太少的时候,均分别当真。带「摘录」角标的来自站外,只标年份、不计评价数、不进热度;标「示例」的是演示数据,没有真实发帖时间,所以不标日期。

按需求选模型

勾你的条件,我按公开榜单过一遍。名次是各家给的,不是我评的。

全部仅开源仅闭源
全部国内海外
不限必须有
不限只要 Supported
全部代码 / Agent数理推理长上下文幻觉控制
全部仅最近一期
约束存在本地,下次打开还能用。

评测集排行

评测集本身也能打分。题库会老,我会把状态标在每行里。

数据来源与跨源对照

我主要爬这两家。原始数据放一部分在这,想看全文点过去。

BenchLM
benchlm.ai
把直接 benchmark 结果、外部指数和人类偏好放到一个量纲上,并标出每条结果是谁跑出来的。厂商自己跑的数字会展示,但不参与 Supported 排名。
公开可见前 25 行。注意第 4 名 85 分排在第 5 名 85.42 分前面:证据不足的 Estimated 行会在 2 分内下移,所以名次不等于分数排序。
Artificial Analysis
artificialanalysis.ai
自己跑评测、测速、测价。智能指数 v5.0.1 由 9 项评测合成;性能测量 v3 把每任务耗时当作主要指标。另有决策、编程 Agent、网络安全和六个行业能力指数。
智能指数总榜前 20 行,第一列就是按分数排出来的官方名次。档位是同一模型取最高分那次用的推理档,后面的数字是还有多少个档位或服务商变体。九项评测的原始分在模型详情里。

中文榜:直接下官方文件,全量收录

这几张榜我拿的是官方原始文件,不是抄别人转述的几行。表里每个模型都在排名里,不是只录前几名。

其他公认的榜,为什么没进主榜

按能不能覆盖常见模型筛过一遍。覆盖不够的,不硬塞进主榜。

同一个模型,不同来源给的名次

同一个模型,各家给的名次经常对不上。对不上才是正常的,我把它们摆在一起。

对比栏